域选项

【名词】

• 文档 ：文件，相当于数据表中的一条记录
• 域(Field) ：数据中一列(字段)就称为域，在这里域就是文档的一个属性

【Field.Store】

• YES ：在索引文件中存储域的内容，存储的内容可以方便文档恢复
• NO ：不在索引文件中存储域内容，恢复时无法完整进行恢复(无法通过doc.get()进行获取)

注：实际使用时一般正文是不会进行存储的

【Field.Index】

• ANALYZED ：表示进行分词和索引，一般多用于标题和正文
• NOT_ANALYZED ：表示不进行分词。但进行索引。一般用于Id、身份证号码、电话等精确查找的内容
• ANALYZED_NO_NORMS ：表示进行分词并索引，但不存储Norms（包含了索引的权值信息）信息。正常情况下，搜索列表是按照权值进行排序的。做的比较好的是Google
• NOT_ANALYZED_NO_NORMS :即不分词也不存储Norms信息
• No ：不进行索引和分词

【示例】

创建索引：

    /**
     * 创建索引
     */
    @Test
    public void testIndex(){
        //存储3篇文章的信息。包括：id、标题、作者、内容
        int[] ids = {1,2,3};
        String[] titles = {"Hello","I love you","morning"};
        String[] authors = {"Mike","HanMeimei","Tom"};
        String[] contents= {"Hello,My Name Is Mike","Tome,I Love You","Good Moring,I'm so sorry,"};
        
        IndexWriter writer = null;
        
        try {
            //1、创建Directory
            Directory directory = FSDirectory.open(new File("E:\lucene\index2"));
            
            //2、创建Writer
            IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_35,
                    new StandardAnalyzer(Version.LUCENE_35));
            
            writer = new IndexWriter(directory, config);
            
            //3、创建Document
            Document doc = null;
            
            //4、设置Field
            //文档            ：文件，相当于数据表中的一条记录
            //域(Field)        ：数据中一列(字段)就称为域，在这里域就是文档的一个属性
            for(int i = 0;i<ids.length;i++){
                doc = new Document();
                
                //域属性
                //Store（配置域的存储方式）
                //YES        ：在索引文件中存储域的内容，存储的内容可以方便文档恢复
                //NO            ：不在索引文件中存储域内容，恢复时无法完整进行恢复(无法通过doc.get()进行获取)
                //实际使用时一般正文是不会进行存储的
                
                //Index（配置域的索引选项）
                //ANALYZED                ：表示进行分词和索引，一般多用于标题和正文
                //NOT_ANALYZED        ：表示不进行分词。但进行索引。一般用于Id、身份证号码、电话等精确查找的内容
                //ANALYZED_NO_NORMS    ：表示进行分词并索引，但不存储Norms（包含了索引的权值信息）信息
                //正常情况下，搜索列表是按照权值进行排序的。做的比较好的是Google
                //NOT_ANALYZED_NO_NORMS :即不分词也不存储Norms信息
                //No                            ：不进行索引和分词
                
                //为文档添加域(属性)
                String id = Integer.toString(ids[i]);
                doc.add(new Field("id",id,Field.Store.YES,Field.Index.NOT_ANALYZED_NO_NORMS));
                doc.add(new Field("title",titles[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
                doc.add(new Field("author",authors[i],Field.Store.YES,Field.Index.NOT_ANALYZED));
                doc.add(new Field("content", contents[i],Field.Store.NO,Field.Index.ANALYZED));
                
                writer.addDocument(doc);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
        finally{
            if(writer != null)
                try {
                    writer.close();
                } catch (CorruptIndexException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
        }
    }

搜索;

/**
     * 搜索
     */
    @Test
    public void testSearch(){
        IndexReader reader =null;
        try {
            //1、创建Directory
            Directory directory = FSDirectory.open(new File("E:\lucene\index2"));
            
            //2、创建IndexReader
            reader = IndexReader.open(directory);
            
            //应用较多
            System.out.println("索引文件数：" + reader.numDocs());
            System.out.println("最大文件数：" + reader.maxDoc());
            
            
            
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        finally{
            if (reader != null) {
                try {
                    reader.close();
                } catch (IOException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
            }
        }
    }

【最佳实践】

【文件类型】

1) segment

表示一个完整的索引文件。搜索时通过该文件进行搜索。他是索引的重要文件。

 

2) fnm

存储了索引中所有Field的信息。

3) fdx和fdt

.fdx和.fdt是综合使用的两类文件，其中.fdt类型文件用于存储具有Store.YES属性的Field数据。而.fdx类型文件则是一个索引，用于存储Document在下面代码就是创建索引的代码。

4) tii和tis

.tis文件用于存储分词后的分词(Term，相当于字典的页),而.tii就是它的所有文件(相当于字典的目录)，它标明了每个.tis文件中分词的位置.

5) frq

存储了分词在文中出现的频率。

6) prx

存储了分词在每次出现的位置。

7) nrm

存储文档的标准引子。一般用该因子乘以命中次数。

8) del

存储删除之后的索引信息。

注：文件不能随意删除，否则可能造成搜索失败(出现错误)